本書は、ディープラーニングの基礎を理解し、主要なディープラーニングフレームワークを使いこなせるようになることを目的として書かれています。最初にニューラルネットワークの基礎に重点的に取り組んだ後、高度な層やアーキテクチャを詳しく見ていきます。

ディープラーニング入門―ディープラーニングを学ぶのはなぜか
基本概念―機械はどのように学習するか
ニューラル予測―順伝播
ニューラル学習―勾配降下法
一度に複数の重みを学習する―勾配降下法を汎化させる
初めてのディープニューラルネットワークの構築―誤差逆伝播法
ニューラルネットワークの描き方―頭の中で、そして紙の上で
シグナルを学習し、ノイズを取り除く―正則化とバッチ
確率と非線形性のモデル化―活性化関数
エッジとコーナーに関するニューラル学習―畳み込みニューラルネットワーク
言語を理解するニューラルネットワーク―ｋｉｎｇ‐ｍａｎ＋ｗｏｍａｎは何か
シェイクスピアのような文章を書くニューラルネットワーク―可変長データのためのリカレント層
自動最適化―ディープラーニングフレームワークを構築しよう
シェイクスピアのような文章を書くための学習―ＬＳＴＭ
未知のデータでのディープラーニング―フェデレーションラーニング
次のステップ―クイックガイド